BAB III : METODOLOGI PENELITIAN
3.6. Metode Analisis Data
3.6.2. Uji Normalitas
Tujuan dari uji normalitas itu sendiri menurut Ghozali (2005 : 110) adalah ingin mengetahui apakah model regresi variabel pengganggu atau residual memiliki distribusi normal. Kalau nilai residual tidak mengikuti distribusi normal, uji statistik menjadi tidak valid untuk jumlah sampel kecil. Cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan desain grafik.
Jika data menyebar di sekitar garis diagonal atau mengikuti arah garis diagonal, atau grafik histrogamnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas, demikian sebaliknya. Selain itu, dapat digunakan uji statistik kolmogrov-Smirnov (k-S), yang dijelaskan oleh Ghozali (2005 : 119). Bila nilai signifikan < 0.05 berarti distribusi normal. Sebaliknya bila nilai signifikan > 0.05 berarti distribusi data normal.
3.6.3 Uji Multikoliniearitas
Menurut Ghozali (2005 : 91) tujuan dari uji multikoliearitas adalah untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel
independen. Suatu model regresi yang baik tidak ditemukannya hubungan atau kolerasi diantara variabel independen. Pengujian multikoliniearitas dilakukan dengan melihat (1) nilai tolerance dan lawannya (2) VIF (varianceinflation factor). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerence < 0,10 atau sama dengan nilai VIF > 10.
Menurut Ghozali (2005), cara yang dapat dilakukan jika terjadi multikolinieritas yaitu:
1. Mengeluarkan salah satu atau lebih variabel independen yang mempunyai korelasi tinggi model regresi dan identifikasi variabel independen lainnya untuk membantu prediksi,
2. Menggabungkan data cross section dan time series (pooling data), 3. Menambah data penelitian,
3.6.4 Uji Autokorelasi
Uji autokorelasi menurut Ghozali (2005 : 95) adalah berikut:
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada kolerasi antara kesalahan pengganggu pada t-1 (sebelumnya). Autokorelasi ini muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual ( kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtun waktu (time series) karena ‘’gangguan’’ pada seseorang individu/
kelompok yang sama pada periode berikut.
Dengan menggunakan program SPSS, deteksi adanya problem autokorelasi adalah dengan melihat besaran DURBIN-WATSON, yaitu panduan mengenai angka D-W (DURBIN-WATSON) pada tabel D-X.
Mengacu pada pendapat sentoso, Singgih (2002), secara umum dapat diambil patokan sebagai berikut:
1. angka D-W dibawah -2 berarti ada autokorelasi positif,
2. angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi, 3. Angka D-W diatas +2 berarti ada autokorelasi negatif.
Autokorelasi bisa diatasi dengan berbagai cara, misalnya dengan melakukan transfarmasi dan menambah data observasi.
3.6.5 Uji Heteroskedastisitas
Uji heteroskedastitas dijelaskan oleh Ghozali (2005 : 105):
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan lain tetap, maka homokedasitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homokedasitas atau terjadi heteroskedastisitas. Kebanyakan data cross section mengandung situasi heteroskedastitas karena data ini menghimpun data yang mewakili berbagai ukuran (kecil, sedang, dan besar).
Untuk mendeteksi ada tidaknya heterskedastisitas, menurut Ghozali (2005 : 105) dapat dilihat dari grafik scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan nilai residualnya SRESID, jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka telah terjadi heterokedasitas. Sebaliknya jika tidak ada yang jelas, serta titiknya menyebar maka tidak terjadi heterokedasitas.
3.6.6 Koefisien Determinasi (R2)
Untuk melihat seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi antara nol dan satu. Nilai R2 berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel independen amat terbatas. Nilai yang mendekati satu variabel- variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel-variabel dependen. Secara umum koefisien determinasi untuk data silang (cross section) relatif rendah karena adanya variasi yang besar antar masing-masing pengamatan, sedangkan untuk data kurun waktu (time series) biasanya mempunyai nilai koefisien determinasi yang tinggi
3.7. Penguji Hipotesis
Hipotesis diuji dengan menggunakan analisis regresi linear berganda. Untuk mengetahui bagaimana pengaruh capital adequacy ratio (CAR); Loan to deposite ratio
(LDR); non-performing loan (NPL); return on equity dan dividend per share (DPS) secara bersama terhadap harga saham, digunakan uji ANOVA atau uji Statistik F dengan model persamaan regresi untuk menguji masing-masing hipotesis adalah sebagai berikut: Y = a + b1 X1+b2X2+b3X3+b4X4+b5X5 Dimana, Y = Harga saham a = Konstanta b1,b2b3b3b4b5 = Koefisien regresi
X1 = Capital Adequacy Ratio (CAR)
X2 = Loan to Deposite Ratio (LDR)
X3 = Non-performing Loan (NPL)
X4 = Return On Equity (ROE)
X5 = Dividen Per Share (DPS)
Hipotesis dalam penelitian ini menggunakan t- test dan f-test
a. Uji signifikasi parsial (t-test)
Pengujian t-test digunakan untuk menunjukkan seberapa jauh pengaruh satu variabel independen terhadap variabel dependen secara parsial. Pengujian ini dilakukan untuk melihat besarnya masing-masing variabel independen mempengaruhi variabel dependen dengan menggunakan t-test.
Ha1 : Capital adequacy ratio (CAR) berpengaruh signifikan terhadap harga saham pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
Ho1 : Capital adequacy ratio (CAR) tidak berpengaruh signifikan terhadap harga saham pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia. Ha2 : Loan to deposite ratio (LDR) berpengaruh signifikan terhadap harga saham pada
perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
Ho2: Loan to deposite ratio (LDR) tidak berpengaruh signifikan terhadap harga saham pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
Ha3 : Non- performing Loan (NPL) berpengaruh signifikan terhadap harga saham pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
Ho3 : Non-performing Loan (NPL) tidak berpengaruh signifikan terhadap harga saham pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
Ha4 : Return on equity (ROE) berpengaruh signifikan terhadap harga saham pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
Ho4 : Return on equity (ROE) tidak berpengaruh signifikan terhadap harga saham pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
Ha5 : Dividen Per share (DPS) berpengaruh signifikan terhadap harga saham pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
Ho5 : Dividend per share (DPS) tidak berpengaruh signifikan terhadap harga saham pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
Dasar Pengambilan keputusan
1) Jika t hitung > t tabel pada α 0.05, maka Ha diterima dan Ho ditolak,
2) Jika thitung < t tabel pada α 0.05, maka Ha ditolak dan Ho diterima .
b. Uji Signifikasi simultan (f-test)
Uji F digunakan untuk menunjukkan apakah semua variabel independen yang masukkan dalam model memiliki pengaruh secara bersama-sama terhadap variabel dependen. Pengujian hipotesis dilakukan dengan menggunakan uji F-test. Hipotesis yang akan diuji adalah sebagai berikut:
Ha6 : Capital adequacy ratio (CAR), Loan to deposite ratio (LDR), Non-performing Loan (NPL), Return on equity (ROE), dan devidend per share (DPS) secara bersama-sama berpengaruh yang terdaftar di Bursa Efek Indonesia.
Ho6 : Capital adequacy ratio (CAR), Loan to deposite ratio (LDR), Non- performing Loan (NPL) secar bersama-sama tidak berpenggaruh signifikan terhadap harga saham pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
Pengujian simultan ini menggunakan uji F, yaitu dengan membandingkan antara nialai signifikan F dengan nilai signifikan yang digunakan yaitu 0,05.kriteria pengambilan keputusan menurut Ghozali (2005 : 84) sebagai berikut:
1. Apabila nilai F lebih besar dari 4 dengan tingkat kepercayaan 5% dan Fhitung > Ftabel, maka Ho diterima (Ho ditolak),
2. Apabila nilai F lebih kecil dari 4 dengan tingkat kepercayaan 5% dan Fhitung < Ftabel, maka Ho diterima (Ha ditolak).
3.8. Lokasi Dan Waktu Penelitian
Penelitian dilakukan sejak mei 2013 sampai dengan selesai. Dengan mengambil data dari situs BEI merupakan laporan keuangan perusahaan yang dipublikasikan dan data dari BI yang berisi mengenai data-data laporan keuangan perusahaan perbankan. Dan Dipilihnya BEJ sebagai lokasi penelitian karena BEJ pasar modal terbesar di Indonesia.
